Soil fertility characterization in podzolic soils of western Newfoundland using electromagnetic induction (EMI) sensors
Notice bibliographique
Résumé
This study was conducted to assess the possibility of predicting soil fertility properties in western Newfoundland using multi-coil (MC) and multi-frequency (MF) electromagnetic induction (EMI) sensors. Two studies on podzolic boreal soils evaluated the effectiveness of apparent electrical conductivity (ECa) and apparent magnetic susceptibility (MSa) from both MC and MF EMI sensors in characterizing available nitrogen (N), phosphorus (P) and soil organic matter (SOM) as significant soil fertility properties. The first study evaluated the effectiveness of MC and MF-EMI sensors to estimate soil ammonium (NH4+), nitrate (NO3-) and orthophosphate (PO43-) using ECa as a proxy under two different land uses. The second study assessed the effectiveness of MSa obtained from the MC and MF-EMI sensors to estimate and map SOM using a statistical and geostatistical analysis. The first study revealed the potential application of EMI ECa as a proxy to assess the spatial variability of NH4+, NO3- and PO43- within a narrow range of concentrations for a specific site. A comparison between statistical and geostatistical analysis in the second study suggested that cokriging of SOM with densely sampled EMI MSa could provide higher accuracy in estimating and mapping SOM in podzolic soil. Both studies revealed that multiple linear regression models were more effective with the inclusion of soil water than simple linear regression models in predicting soil nutrients and SOM. However, the MC EMI sensor provided a better estimation of soil nutrients, whereas the MF-EMI sensor predicted SOM more effectively. The overall findings from this study demonstrated the potential of EMI sensors as a more accurate and robust method than conventional methods to evaluate and map soil fertility properties in boreal podzolic soils. Further studies are required to assess the potential of EMI sensors under different crop types, management practices, and moisture regimes to estimate and map soil fertility properties for podzolic soils.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».